一种电池组SOC的高精度动态估计方法和系统技术方案

本发明专利技术提出一种电池组SOC的高精度动态估计方法和系统，该方法基于与最低电压相差为误差上限之内的电池单体并联组并为其打分，然后以变换得分后的电池单体并联组的分数为标准，筛选出若干个分数较高的电池单体并联组，用高精度估计算法估计电池组的SOC。该方法和系统能够减小由于采样电路带来的误差，并消除了电压在充放电过程中的电路出现的电容特性所带来的电压滞后的影响，提高了实时估算电池组SOC的精度。

【技术实现步骤摘要】
一种电池组SOC的高精度动态估计方法和系统
本专利技术涉及电气领域，具体涉及一种电池组SOC的高精度动态估计方法和系统。
技术介绍
目前环境污染越来越严重，所以用能源清洁和对环境友好的电动汽车已成为汽车发展的主流方向。而动力电池是电动汽车的主要动力来源和核心部件，为了使其表现出更好的性能，对动力电池进行一定的管理是十分必要的。在电动汽车的电池管理系统(BatteryManagementSystem,BMS)中，动力电池的荷电状态(StateofCharge,SOC)是BMS中一个十分关键的电池状态估计参数，其表征的是电池当前所能释放的剩余容量占额定容量的百分比。SOC不仅是电动汽车能量优化算法的基础，也是在测试和评价电池性能以及在对电池进行均衡控制和寿命预测中也承担着重要角色。因此，实时准确估计SOC是当前BMS中的关键技术之一。当前电动汽车的SOC估计算法有多种，比如开路电压法、安时积分法、卡尔曼滤波法、神经网络法等等。工程应用中大量使用的是安时积分法和开路电压法组合的方法来估算SOC，这种方法虽然简单易行，但存在累计误差的问题，难以达到较高的估计精度。卡尔曼滤波法等算法的估算精度虽然较高，但其受电池模型等的影响较大，且算法比较复杂，电动汽车上的动力电池一般由几百个甚至是几千个电池单体串并联后组成，对如此众多的电池单体全部进行SOC估算，以目前的单片机性能来说几乎是无法实现的。目前常用的方法是采用电池组的平均电压来估算SOC；或者识别出电池组中电压最低的电池单体并联组，认为该并联组的SOC为整个电池组的SOC加以估计。若按照最低电压的电池并联组来估算，由于电池单体工作时表现为阻性和容性共存的特性，通常在模型中以一阶RC模型(如图1所示)、二阶RC模型(如图2所示)或分数阶模型(如图3所示)来表示，因此电池在充放电过程中会呈现电容特性，即存在电压与电流的相位差；且随着电池充放电次数的增多，老化程度的不一致使得每个电池单体的阻容特性存在差异，因此在电动汽车实际行驶过程中，检测到的最低电压电池单体并不一定对应真正SOC最低的电池单体；另外电池单体电压采样电路同样存在误差，这同样也会影响单体电池电压的最大最小值进行SOC估算的精度。如公开号为CN106526495A的专利技术专利申请提出一种在充电过程中的电池包SOC估算方法，先实时采集若干单体电池的电压以及总电流，然后对这些单体电池的电压进行比较，从而获得最高电压电池单体以及最低电压电池单体，然后再判断当前电池包是否处于恒流充电状态，若是，则用容量增量法估算上述所得的最高电压电池单体的容量以及最低电池单体的容量，并使用卡尔曼滤波算法估算出最高电压电池单体的以及最低电压电池单体的SOC，最后用相关公式估算得到在充电状态时整个电池包的SOC。这个专利技术没有考虑电池在充电过程中电路呈现的电容性以及采样电路的误差，只是考虑了实时测得的最高电圧电池单体和最低电压电池单体的SOC。
技术实现思路
为了解决现有技术中采用电池组各电池单体的平均电压来估算SOC，或者识别出电池组中电压最低的电池单体并联组并据此估算电池组SOC，上述技术未考虑电池单体工作时表现的阻性和容性共存的特性、电池在充放电过程中呈现的电容特性以及电池单体电压采样电路在采集并识别最低电压时存在误差，从而导致SOC估算精度不高的问题，本专利技术提出一种电池组SOC的高精度动态估计方法，该方法基于与最低电压相差为误差上限之内的电池单体并联组并为其打分，然后以变换得分后的电池单体并联组的分数为标准，筛选出若干个分数较高的电池单体并联组，用高精度估计算法估计电池组的SOC，能够减小由于采样电路带来的误差，并消除了电压在充放电过程中的电路出现的电容特性所带来的电压滞后的影响，提高了实时估算电池组SOC的精度。本专利技术还涉及一种电池组SOC的高精度动态估计系统。本专利技术的技术方案如下：一种电池组SOC的高精度动态估计方法，其特征在于，所述方法包括下述步骤：采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；按照筛选出来的电池单体并联组新的得分从高到低的顺序再次筛选出若干个电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。进一步地，所述方法还包括：每隔预定时长筛选出电池组中与最低电压相差在误差上限范围内的另外若干电池单体并联组，采用高精度SOC估计算法计算得出所述另外若干电池单体并联组的SOC，以所述另外若干电池单体并联组的SOC为第二基准获得电池组的第二SOC；并结合所述第一SOC与所述第二SOC得到电池组的SOC。进一步地，在采用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC后，采用平均值算法或最小值算法计算得到电池组的第一SOC。进一步地，所述第二SOC的计算过程包括如下步骤：每隔预定时长采集电池组中各电池单体并联组的电压；采用排序算法获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的另外若干电池单体并联组；采用高精度SOC估计算法计算得出所述另外若干个电池单体并联组的SOC；对所述另外若干电池单体并联组的SOC采用平均值算法/最小值算法进行计算得出每隔预定时长情况下的电池组的第二SOC。进一步地，在获得电池组的第一SOC和第二SOC后，采用求平均值或最小值的计算方法得到电池组的SOC。进一步地，在采集电池组中各电池单体并联组的电压后，通过排序算法获取最低电压的电池单体并联组，并筛选出与所述最低电压相差在误差上限范围内的若干电池单体并联组，再为最低电压的电池单体并联组记上预设的最高分数，按照与所述最低电压之间的差值大小成反比的方式为筛选出的各其余电池单体并联组记上相应分数，筛选出的各其余电池单体并联组的分数随着与最低电压的差值的增大而降低；和/或，所述预设的算法是筛选出来的电池单体并联组在上次BMS开机的得分与影响因子的乘积累积到下次BMS开机后的得分上，得到筛选出来的所述电池单体并联组新的得分。进一步地，所述高精度SOC估计算法包括：卡尔曼滤波算法、粒子滤波算法、或机理模型算法；和/或，所述排序算法包括：冒泡排序法、插入排序法、或比较排序法。本专利技术还提供一种电池组SOC的高精度动态估计系统，其特征在于，包括依次连接的一次筛选模块、分数转化模块、二次筛选模块和SOC估计计算模块，所述一次筛选模块，采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；所述分数转化模块，为一次筛选模块筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；所述二次筛选本文档来自技高网...

【技术保护点】
1.一种电池组SOC的高精度动态估计方法，其特征在于，所述方法包括下述步骤：采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；按照筛选出来的电池单体并联组新的得分从高到低的顺序再次筛选出若干个电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。

【技术特征摘要】
1.一种电池组SOC的高精度动态估计方法，其特征在于，所述方法包括下述步骤：采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；按照筛选出来的电池单体并联组新的得分从高到低的顺序再次筛选出若干个电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：每隔预定时长筛选出电池组中与最低电压相差在误差上限范围内的另外若干电池单体并联组，采用高精度SOC估计算法计算得出所述另外若干电池单体并联组的SOC，以所述另外若干电池单体并联组的SOC为第二基准获得电池组的第二SOC；并结合所述第一SOC与所述第二SOC得到电池组的SOC。3.根据权利要求1或2所述的方法，其特征在于，在采用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC后，采用平均值算法或最小值算法计算得到电池组的第一SOC。4.根据权利要求2所述的方法，其特征在于，所述第二SOC的计算过程包括如下步骤：每隔预定时长采集电池组中各电池单体并联组的电压；采用排序算法获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的另外若干电池单体并联组；采用高精度SOC估计算法计算得出所述另外若干个电池单体并联组的SOC；对所述另外若干电池单体并联组的SOC采用平均值算法/最小值算法进行计算得出每隔预定时长情况下的电池组的第二SOC。5.根据权利要求4所述的方法，其特征在于，在获得电池组的第一SOC和第二SOC后，采用求平均值或最小值的计算方法得到电池组的SOC。6.根据权利要求5所述的方法，其特征在于，在采集电池组中各电池单体并联组的电压后，通过排序算法获取最低电压的电池单体并联组，并筛选出与所述最低电压相差在误差上限范围内的若干电池单体并联组，再为最低电压的电池单体并联组记上预设的最高分数，按照与所述最低电压之间的差值大小成反比的方式为筛选出的各其余电池单体并联组记上相应分数，筛选出的各其余电池单体并联组的分数随着与最低电压的差值的增大而降低；和/或，所述预设的算法是筛选出来的电池单体并联组在上次BMS开机的得分与影响因子的乘积累积到下次BMS开机后...

【专利技术属性】
技术研发人员：杨世春，金鑫娜，华旸，潘宇巍，闫啸宇，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11